| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 图像检索技术概述及现状 | 第10-15页 |
| 1.2.1 基于文本的图像检索技术 | 第10页 |
| 1.2.2 基于内容的图像检索技术 | 第10-12页 |
| 1.2.3 图像检索技术现状 | 第12-15页 |
| 1.2.3.1 著名的图像检索系统介绍 | 第12-14页 |
| 1.2.3.2 图像检索应用领域 | 第14页 |
| 1.2.3.3 图像检索未来的发展方向 | 第14-15页 |
| 1.3 本文主要内容以及组织结构 | 第15-18页 |
| 1.3.1 主要内容 | 第15-16页 |
| 1.3.2 本文组织结构 | 第16-18页 |
| 第二章 基于局部特征的图像检索关键技术 | 第18-29页 |
| 2.1 基于局部特征的图像检索方法概述 | 第18页 |
| 2.2 预处理 | 第18-20页 |
| 2.3 常见的局部特征提取方法 | 第20-28页 |
| 2.3.1 LBP算法 | 第20-21页 |
| 2.3.2 SIFT算法 | 第21-27页 |
| 2.3.2.1 检测尺度空间的极值点 | 第22-24页 |
| 2.3.2.2 精确定位特征点 | 第24-25页 |
| 2.3.2.3 为每个关键点指定方向参数 | 第25-26页 |
| 2.3.2.4 生成特征描述子 | 第26-27页 |
| 2.3.3 SURF算法 | 第27-28页 |
| 2.4 相似性度量 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 改进的SIFT-PCA算法在平面媒体中的应用 | 第29-39页 |
| 3.1 平面媒体中图像的特点以及现有算法的缺陷 | 第29-30页 |
| 3.2 改进的SIFT-PCA算法 | 第30-31页 |
| 3.3 特征点匹配 | 第31-37页 |
| 3.3.1 KD-tree特征点匹配 | 第32-35页 |
| 3.3.1.1 KD-tree的构造 | 第33-34页 |
| 3.3.1.2 基于KD-tree的数据查询 | 第34-35页 |
| 3.3.2 BBF搜索策略 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 系统实现及实验比较 | 第39-52页 |
| 4.1 系统设计与实现 | 第39-42页 |
| 4.1.1 系统结构 | 第39-41页 |
| 4.1.2 主要模块 | 第41-42页 |
| 4.2 实验比较分析 | 第42-51页 |
| 4.2.1 性能验证 | 第42-47页 |
| 4.2.2 效率比较 | 第47-49页 |
| 4.2.3 性能比较 | 第49-51页 |
| 4.3 实验总结 | 第51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 全文总结 | 第52-53页 |
| 5.2 进一步展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 硕士期间论文与专利 | 第59页 |